买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：福建正孚软件有限公司

摘要：一种数据分析方法和存储介质，方法包括如下步骤：对文章进行聚类，文章标题权重记为Δt，文章内容段落标题权重ΔgΔtΔg1。对文章标题进行分词，得到标题词向量Vt,每一个标题词向量的权重值为词频乘以Δt。对文章段落标题进行分词，得到段落标题词向量Vg,每一个段落标题词向量权重值为词频乘以Δg。述方案能够对文章数据进行提取词向量之后进行K‑means聚类操作，能够根据关键词的主题进行更加准确的聚类，再针对聚类进行事件提取，能够最终提升事件提取的准确性和有效性。

主权项：1.一种数据分析方法，其特征在于，包括如下步骤：对文章进行聚类，文章标题权重记为Δt，文章内容段落标题权重Δg，其中ΔtΔg1，对文章标题进行分词，得到标题词向量Vt,每一个标题词向量的权重值为词频乘以Δt；对文章段落标题进行分词，得到段落标题词向量Vg,每一个段落标题词向量权重值为词频乘以Δg；对文章其他内容进行分词，形成内容词向量Vc,权重值为词频；合并标题词向量Vt，段落标题词向量Vg,内容词向量Vc,得到文章的词向量，对所述文章的词向量，计算余弦相似度作为空间距离，再使用K-means聚类算法对不同的文章数据进行聚类，得到文章聚类集合D＝{D1，D2，…,Dn}；对文章聚类集合进行事件提取：遍历所述文章聚类集合D＝{D1，D2，…,Dn}中每个聚类的所有文章数据，对同属一个聚类的文章标题采用TextRank算法，仅处理词性为名词和动词，得到最重要的n个词语集合Kt；对所有同一个聚类的文章段落标题采用TextRank算法，仅处理词性为名词和动词，得到最重要的n个词语集合Kg；对所有同一个聚类的文章其他内容采用TextRank算法，仅处理词性为名词和动词，得到最重要的n个词语集合Kc；最终得到文章数据的事件模型；根据所述文章的词向量，计算余弦距离计算的方法，完成朴素贝叶斯分类器模型训练；根据所述事件模型对所有文章的所有段落进行分类，并反向遍历每个事件，根据对每个事件关联的段落形成事件脉络；对文章进行聚类前还包括步骤，用正则表达式匹配从文章头部中提取：文章标题、发文单位和发文，解析文章正文内容，采用模式匹配方法提取文章段落标题，提取划分段落。

全文数据：

权利要求：

百度查询： 福建正孚软件有限公司 一种数据分析方法和存储介质